将 numpy.float64 类型转换为 int 的 Tensorflow 问题答案

【问题标题】：Tensorflow issue with conversion of type numpy.float64 to int将 numpy.float64 类型转换为 int 的 Tensorflow 问题
【发布时间】：2019-05-10 06:28:11
【问题描述】：

我正在使用 Tensorflow 创建一个非常基本的 AI，并使用官方文档/教程中的代码。这是我的完整代码：

from __future__ import absolute_import, division, print_function
import tensorflow as tf
from tensorflow import keras
import matplotlib.pyplot as plt

fashion_mnist = keras.datasets.fashion_mnist
(train_images, train_labels), (test_images, test_labels) = fashion_mnist.load_data()
class_names = ['T-shirt/top', 'Trouser', 'Pullover', 'Dress', 'Coat', 'Sandal', 'Shirt', 'Sneaker', 'Bag', 'Ankle boot']

train_images = train_images / 255.0
train_labels = train_labels / 255.0

plt.figure(figsize=(10,10))
for i in range(25):
    plt.subplot(5,5,i+1)
    plt.xticks([])
    plt.yticks([])
    plt.grid(False)
    plt.imshow(train_images[i], cmap=plt.cm.binary)
    plt.xlabel(class_names[train_labels[i]])
plt.show()

问题出在这一行：

plt.xlabel(class_names[train_labels[i]])
TypeError: list indices must be integers or slices, not numpy.float64

没问题，把numpy.float64改成int用.item()

plt.xlabel(class_names[train_labels[i.item()]])
AttributeError: 'int' object has no attribute 'item'

首先是int吗？

这是在 Python 3.7 上运行的，带有 Tensorflow 1.13.1。

【问题讨论】：

标签： python numpy tensorflow artificial-intelligence

【解决方案1】：

错误是由

引起的

train_labels = train_labels / 255.0

train_labels 是一个标签数组。通过将其除以 255，生成的 ndarray 包含浮点数。因此，浮点数被用作class_names 的索引，从而导致第一个错误。

列表索引必须是整数或切片，而不是 numpy.float64

要将 numpy 数组 x 转换为 int，方法如下：x.astype(int)。但在这种情况下，这样做会创建一个所有值都为 0 的数组。

解决方法是删除上面标识的行：

from __future__ import absolute_import, division, print_function
import tensorflow as tf
from tensorflow import keras
import matplotlib.pyplot as plt

fashion_mnist = keras.datasets.fashion_mnist
(train_images, train_labels), (test_images, test_labels) = fashion_mnist.load_data()
class_names = ['T-shirt/top', 'Trouser', 'Pullover', 'Dress', 'Coat', 'Sandal', 'Shirt', 'Sneaker', 'Bag', 'Ankle boot']

train_images = train_images / 255.0
# train_labels = train_labels / 255.0

plt.figure(figsize=(10,10))
for i in range(25):
    print(train_labels[i], train_images.shape, train_labels.shape, type(train_labels))
    plt.subplot(5,5,i+1)
    plt.xticks([])
    plt.yticks([])
    plt.grid(False)
    plt.imshow(train_images[i], cmap=plt.cm.binary)
    plt.xlabel(class_names[train_labels[i]])
plt.show()

【讨论】：

【解决方案2】：

归一化（在这种情况下除以 255）通常是处理特征而不是标签所必需的，因为标签尝试使用One hot encoding。

【讨论】：